近日，以色列特拉維夫大學研究人員證明瞭一種創建”萬能人臉（master face）”的方法。 研究人員通過圖像生成系統StyleGAN先生成假的人臉圖像，然後通過演算法和分類器對比篩選出與真實人臉相似度最高的圖像，最終獲得9張”萬能人臉”圖像。

這種計算機生成的「萬能人臉」作用就像萬能鑰匙一樣，可以模仿多個身份，通過基於人臉識別的身份驗證。

該研究論文題目為《利用網路輔助的潛在空間演化生成字典攻擊的萬能人臉（Generating Master Faces for Dictionary Attacks with a Network-Assisted Latent Space Evolution）》，已提交至論文預印本發佈平臺arXiv上。

論文連結：

按一下以存取 2108.01077.pdf

一、萬能指紋技術帶來靈感

由於其方便性，生物識別認證，特別是人臉識別認證，已日益成為主流，因此現在成為攻擊者的主要目標。

攻擊一般的計算機認證系統時，有破解者會採取字典式攻擊，通過連續嘗試多個輸入來嘗試通過認證系統。

而在現實世界的生物識別系統中，人們通常只能嘗試幾次輸入，然後系統就會鎖定。 並且使用生物統計學進行的匹配並不精確，加之生物學統計數據的空間分佈不均勻，這表明可能少量樣本可以覆蓋更大的人口比例。

特拉維夫大學研究人員從「萬能指紋」研究中獲得了靈感，他們開發了一種「萬能人臉」，來繞過人臉識別軟體。

二、通過演算法分類對比，選出9張”萬能人臉”

研究人員首先使用人工智慧領域廣泛使用的生成模型StyleGAN，來進行”萬能人臉”的製作。

▲「萬能人臉」訓練過程

然後研究人員然後使用演算法和神經網路來優化。 有限記憶體矩陣自適應進化策略（LM-MA-ES）演算法是非常適合高維黑匣子優化的，但是還需要增加一個元件，來推斷哪些人臉是交叉身份認證的最佳候選選項。

所以，研究人員創建了一個”成功預測器（Success Predictor）”神經分類器，將大量候選人臉圖像篩選出合適、可完成繞過人臉識別軟體任務的人臉圖像。

▲「成功預測器」神經分類器原理

研究人員使用演算法和分類器將每一個系統輸出的虛假人臉都與Labeled Faces in the Wild（LFW）資料庫中5749個不同人的真實照片進行比較，並給出平均集覆蓋率（Mean Set Coverage，MSC）分數，只保留分數高的虛假人臉圖像。

其中對圖像比較得到的分數會用於訓練進化演算法，説明研究人員使用StyleGAN，創建出越來越多看起來像數據集中真實存在的人臉圖像。 最終得到9張「萬能人臉」圖像。

▲九張”萬能人臉”

三、能覆蓋超40%數據集

研究人員使用”萬能人臉”對三種不同的深度人臉識別系統：dlib、FaceNet、SphereFace進行測試，因為這幾種人臉識別系統在LFW數據集中測試競賽的排名最高。

▲9張生成的圖像所覆蓋的數據集的百分比

研究人員實驗得到，9張”萬能人臉”覆蓋了這三種人臉識別系統中42%-64%的數據集，也就是說9張”萬能人臉”可以通過這些人臉識別系統中42%-64%的身份驗證。

結語：人臉識別系統準確性備受關注

隨著人臉識別技術的普遍應用，除了涉及到隱私保護問題外，人臉識別的準確性同樣是人們熱議的話題。 美國就有幾起因為人臉識別錯誤而錯誤發生逮捕的事件，引起了很大輿論反響。

特拉維夫大學研究人員其實給出了很好的思路，從如何破解人臉識別系統入手反推人臉識別系統漏洞，這樣可以更好地完善人臉識別系統。